小编EuR*_*rth的帖子

我的.gitlab-ci.yml文件看起来像这样：

anomalydetector:
  image: continuumio/miniconda:4.7.10
  stage: build
  tags:
    - docker
  script:
    - conda env create -f environment.yml
    - conda activate my-env
    - pytest tests/.

在 Gitlab 上，这项工作开始正常，并且日志读取

$ conda env create -f environment.yml
Collecting package metadata (repodata.json): ...working... done
Solving environment: ...working... done


==> WARNING: A newer version of conda exists. <==
  current version: 4.7.10
  latest version: 4.7.11

好的，所以我使用的是conda4.4 之后的版本，所以conda activate应该可以工作。但是，作业失败并显示以下内容：

# To activate this environment, use
#
#     $ conda activate my-env
#
# …

我有一个以以下内容开头的 Dockerfile：

FROM python:3.7-slim

RUN apt-get update && apt-get install build-essential -y

问题是，这个层总是在变化，所以当我运行时docker build -t <mytag> .，这个层（和后续的）会再次运行，这会占用大量时间。

有没有办法build-essential在我的 Dockerfile 中安装一个不会不断变化的层？

编辑：我在 RUN 之前有一个 COPY 行，我从问题中删除了它，因为我不想包含私有文件的名称，但我没有想到这是使构建重新运行的原因这一步。

我已经安装minikube并kubectl安装了：

$ minikube version
minikube version: v1.4.0
commit: 7969c25a98a018b94ea87d949350f3271e9d64b6

$ kubectl version
Client Version: version.Info{Major:"1", Minor:"16", GitVersion:"v1.16.0", GitCommit:"2bd9643cee5b3b3a5ecbd3af49d09018f0773c77", GitTreeState:"clean", BuildDate:"2019-09-18T14:36:53Z", GoVersion:"go1.12.9", Compiler:"gc", Platform:"linux/amd64"}
Server Version: version.Info{Major:"1", Minor:"16", GitVersion:"v1.16.0", GitCommit:"2bd9643cee5b3b3a5ecbd3af49d09018f0773c77", GitTreeState:"clean", BuildDate:"2019-09-18T14:27:17Z", GoVersion:"go1.12.9", Compiler:"gc", Platform:"linux/amd64"}

然后我按照https://helm.sh/docs/using_helm/的说明进行操作：

1. 我已经下载了https://get.helm.sh/helm-v2.13.1-linux-amd64.tar.gz

2. 我跑了

$ tar -xzvf Downloads/helm-v2.13.1-linux-amd64.tar.gz linux-amd64/
linux-amd64/LICENSE
linux-amd64/tiller
linux-amd64/helm
linux-amd64/README.md

但是现在，如果我检查我的helm版本，我会得到这个：

$ helm version
Client: &version.Version{SemVer:"v2.13.1", GitCommit:"618447cbf203d147601b4b9bd7f8c37a5d39fbb4", GitTreeState:"clean"}
Error: could not find tiller

我试过运行helm init，但得到以下内容：

$ helm init
$HELM_HOME has been configured at …

我正在开发一个使用 pyspark 的项目，并且想设置自动化测试。

我的.gitlab-ci.yml文件如下所示：

image: "myimage:latest"

stages:
  - Tests

pytest:
  stage: Tests
  script:
  - pytest tests/.

我使用 Dockerfile 构建了 docker 映像，myimage如下所示（请参阅这个优秀的答案）：

FROM python:3.7
RUN  python --version

# Create app directory
WORKDIR /app

# copy requirements.txt
COPY local-src/requirements.txt ./


# Install app dependencies
RUN pip install -r requirements.txt

# Bundle app source
COPY src /app

但是，当我运行此命令时，gitlab CI 作业出现以下错误：

/usr/local/lib/python3.7/site-packages/pyspark/java_gateway.py:95: in launch_gateway
    raise Exception("Java gateway process exited before sending the driver its port number")
E   Exception: …

我无法手动匹配 LGBM 的简历分数。

这是一个 MCVE：

from sklearn.datasets import load_breast_cancer
import pandas as pd
from sklearn.model_selection import train_test_split, KFold
from sklearn.metrics import roc_auc_score
import lightgbm as lgb
import numpy as np

data = load_breast_cancer()
X = pd.DataFrame(data.data, columns=data.feature_names)
y = pd.Series(data.target)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

folds = KFold(5, random_state=42)

params = {'random_state': 42}

results = lgb.cv(params, lgb.Dataset(X_train, y_train), folds=folds, num_boost_round=1000, early_stopping_rounds=100, metrics=['auc'])
print('LGBM\'s cv score: ', results['auc-mean'][-1])

clf = lgb.LGBMClassifier(**params, n_estimators=len(results['auc-mean']))

val_scores = []
for train_idx, val_idx …

如果我跑

from sklearn.datasets import load_breast_cancer
import lightgbm as lgb

breast_cancer = load_breast_cancer()
data = breast_cancer.data
target = breast_cancer.target

params = {
    "task": "convert_model",
    "convert_model_language": "cpp",
    "convert_model": "test.cpp",
}

gbm = lgb.train(params, lgb.Dataset(data, target))

然后我期待test.cpp创建一个名为的文件，模型以 C++ 格式保存。

但是，我的当前目录中没有任何内容。

我已阅读文档（https://lightgbm.readthedocs.io/en/latest/Parameters.html#io-parameters），但不知道我做错了什么。